論文の概要: SELMA3D challenge: Self-supervised learning for 3D light-sheet microscopy image segmentation

• arxiv url: http://arxiv.org/abs/2501.03880v2
• Date: Sun, 12 Jan 2025 15:18:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:26:39.559547
• Title: SELMA3D challenge: Self-supervised learning for 3D light-sheet microscopy image segmentation
• Title（参考訳）: SELMA3Dチャレンジ:3次元光シート顕微鏡画像セグメンテーションのための自己教師型学習
• Authors: Ying Chen, Rami Al-Maskari, Izabela Horvath, Mayar Ali, Luciano Hoher, Kaiyuan Yang, Zengming Lin, Zhiwei Zhai, Mengzhe Shen, Dejin Xun, Yi Wang, Tony Xu, Maged Goubran, Yunheng Wu, Kensaku Mori, Johannes C. Paetzold, Ali Erturk,
• Abstract要約: 私たちは、MICCAI 2024カンファレンスでSELMA3D Challengeを組織しました。SELMA3Dは、クリアドマウスとヒト脳からの大量の光シート画像を提供します。 本論文では,課題の全段階に5つのチームが参加し,提案手法について概説する。 SELMA3Dは3次元顕微鏡画像セグメンテーションのための自己教師あり学習に焦点を当てた第1回MICCAIチャレンジとして,今後もサポートし,拡張していく。
• 参考スコア（独自算出の注目度）: 6.473752329913864
• License:
• Abstract: Recent innovations in light sheet microscopy, paired with developments in tissue clearing techniques, enable the 3D imaging of large mammalian tissues with cellular resolution. Combined with the progress in large-scale data analysis, driven by deep learning, these innovations empower researchers to rapidly investigate the morphological and functional properties of diverse biological samples. Segmentation, a crucial preliminary step in the analysis process, can be automated using domain-specific deep learning models with expert-level performance. However, these models exhibit high sensitivity to domain shifts, leading to a significant drop in accuracy when applied to data outside their training distribution. To address this limitation, and inspired by the recent success of self-supervised learning in training generalizable models, we organized the SELMA3D Challenge during the MICCAI 2024 conference. SELMA3D provides a vast collection of light-sheet images from cleared mice and human brains, comprising 35 large 3D images-each with over 1000^3 voxels-and 315 annotated small patches for finetuning, preliminary testing and final testing. The dataset encompasses diverse biological structures, including vessel-like and spot-like structures. Five teams participated in all phases of the challenge, and their proposed methods are reviewed in this paper. Quantitative and qualitative results from most participating teams demonstrate that self-supervised learning on large datasets improves segmentation model performance and generalization. We will continue to support and extend SELMA3D as an inaugural MICCAI challenge focused on self-supervised learning for 3D microscopy image segmentation.
• Abstract（参考訳）: 近年の光シート顕微鏡の進歩は、組織浄化技術の発展と相まって、細胞分解能を持つ大型哺乳動物組織の3Dイメージングを可能にしている。 ディープラーニングによる大規模データ分析の進歩と相まって、これらのイノベーションにより、研究者は多様な生物学的サンプルの形態学的および機能的特性を迅速に研究することができる。 分析プロセスにおける重要な予備ステップであるセグメンテーションは、専門家レベルのパフォーマンスを持つドメイン固有のディープラーニングモデルを使用して自動化することができる。 しかし、これらのモデルはドメインシフトに対する感度が高く、トレーニング分布外のデータに適用した場合、精度が大幅に低下する。 この制限に対処するため,MICCAI 2024カンファレンスでSELMA3D Challengeを組織した。 SELMA3Dは、1000^3ボクセルを超える35個の大きな3D画像と、微調整、予備テスト、最終テストのための315個の注釈付き小さなパッチを含む、クリアされたマウスとヒトの脳からの大量の光シート画像を提供する。 このデータセットは、容器のような構造や斑点のような構造を含む多様な生物学的構造を含んでいる。 本論文では,課題の全段階に5つのチームが参加し,提案手法について概説する。 ほとんどの参加チームによる定量的かつ質的な結果は、大規模なデータセットでの自己教師型学習がセグメンテーションモデルのパフォーマンスと一般化を改善することを実証している。 SELMA3Dは3次元顕微鏡画像セグメンテーションのための自己教師あり学習に焦点を当てた第1回MICCAIチャレンジとして,今後もサポートし,拡張していく。

関連論文リスト

• VPBSD:Vessel-Pattern-Based Semi-Supervised Distillation for Efficient 3D Microscopic Cerebrovascular Segmentation [13.825264703302224]
  Vessel-Pattern-based Semi-Supervised Distillation Pipeline (VpbSD) このパイプラインは最初、ラベルのないデータからさまざまな血管構造をキャプチャする、血管パターンのコードブックを構築する。 知識蒸留段階において、コードブックは、異種教師モデルから学生モデルへの豊富な知識の伝達を促進する。
  論文  参考訳（メタデータ） (2024-11-14T16:21:47Z)
• ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
  本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。 5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
  論文  参考訳（メタデータ） (2024-08-26T08:59:22Z)
• Discriminative Hamiltonian Variational Autoencoder for Accurate Tumor Segmentation in Data-Scarce Regimes [2.8498944632323755]
  医用画像分割のためのエンドツーエンドハイブリッドアーキテクチャを提案する。 ハミルトン変分オートエンコーダ(HVAE)と識別正則化を用いて生成画像の品質を向上する。 我々のアーキテクチャはスライス・バイ・スライス・ベースで3Dボリュームを分割し、リッチな拡張データセットをカプセル化する。
  論文  参考訳（メタデータ） (2024-06-17T15:42:08Z)
• Masked Autoencoders for Microscopy are Scalable Learners of Cellular Biology [2.7280901660033643]
  本研究は、弱教師付き分類器と自己教師付きマスク付きオートエンコーダ(MAE)のスケーリング特性について検討する。 以上の結果から,ViTをベースとしたMAEは,様々なタスクにおいて弱い教師付き分類器よりも優れており,公的なデータベースから得られた既知の生物学的関係を思い出すと,11.5%の相対的な改善が達成されることがわかった。 我々は、異なる数のチャネルと順序の画像を推論時に入力できる新しいチャネルに依存しないMAEアーキテクチャ(CA-MAE)を開発した。
  論文  参考訳（メタデータ） (2024-04-16T02:42:06Z)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• GPU-Accelerated RSF Level Set Evolution for Large-Scale Microvascular Segmentation [2.5003043942194236]
  本稿では,地域スケーラブルフィッティング(RSF)レベルセットモデルの改訂と実装を提案する。 これにより、単命令多重データ(SIMD)と単プログラム多重データ(SPMD)並列処理の両方を用いて3次元評価が可能となる。 我々は、最先端イメージング技術を用いて取得した複数のデータセットに対して、この3次元並列RSF手法を用いて、微小血管データを取得することを試みた。
  論文  参考訳（メタデータ） (2024-04-03T15:37:02Z)
• Domain Generalization for Mammographic Image Analysis with Contrastive Learning [62.25104935889111]
  効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。 より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。 提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
  論文  参考訳（メタデータ） (2023-04-20T11:40:21Z)
• A Knowledge Distillation framework for Multi-Organ Segmentation of Medaka Fish in Tomographic Image [5.881800919492064]
  メダカ魚のトモグラフィー画像における多臓器セグメンテーションのための自己学習フレームワークを提案する。 本研究では,事前訓練されたモデルから得られた擬似ラベルデータを利用して,擬似ラベルデータを洗練するために品質教師を採用する。 実験結果から,本手法は全データセット上で平均IoU(Intersection over Union)を5.9%改善することが示された。
  論文  参考訳（メタデータ） (2023-02-24T10:31:29Z)
• Unsupervised Domain Adaptation for Monocular 3D Object Detection via Self-Training [57.25828870799331]
  我々は、Mono3D上での教師なしドメイン適応のための新しい自己学習フレームワークSTMono3Dを提案する。 対象ドメイン上で適応的な擬似ラベルを生成するための教師学生パラダイムを開発する。 STMono3Dは、評価されたすべてのデータセットで顕著なパフォーマンスを達成し、KITTI 3Dオブジェクト検出データセットの完全な教師付き結果を超えています。
  論文  参考訳（メタデータ） (2022-04-25T12:23:07Z)
• Recovering 3D Human Mesh from Monocular Images: A Survey [49.00136388529404]
  単眼画像から人間のポーズと形状を推定することは、コンピュータビジョンにおける長年の問題である。 本調査は, 単分子型3次元メッシュ回収の課題に焦点を当てた。
  論文  参考訳（メタデータ） (2022-03-03T18:56:08Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。